專(zhuān)利名稱(chēng)：基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于多傳感器數(shù)據(jù)融合與神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，更具體地涉及一種基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)。
背景技術(shù)：
在軍事彈道導(dǎo)彈防御、空中預(yù)警、空中攻擊等領(lǐng)域中，目標(biāo)跟蹤的應(yīng)用受到各國(guó)廣泛的重視。多傳感器跟蹤產(chǎn)生多源信號(hào)，減少信號(hào)的不確定度給出信源更加完善的描述是關(guān)鍵技術(shù)問(wèn)題，從而產(chǎn)生了多傳感器數(shù)據(jù)融合的概念，這一概念源于人類(lèi)的神經(jīng)系統(tǒng)對(duì)于多種感覺(jué)器官的存活的能力，在現(xiàn)代研究領(lǐng)域中稱(chēng)之為神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)模仿人類(lèi)的推理和模仿能力，將多傳感器數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)更好的聯(lián)系在一起，目的是根據(jù)源于同一目 標(biāo)的觀測(cè)所具有的相似性，采用一定的分配策略將多個(gè)傳感器進(jìn)行分組劃分，由于傳感器觀測(cè)過(guò)程中的不確定性因素，破壞了回波觀測(cè)和目標(biāo)源之間的對(duì)應(yīng)關(guān)系，使各目標(biāo)數(shù)據(jù)的互聯(lián)對(duì)應(yīng)關(guān)系出現(xiàn)了模糊。20世紀(jì)70年代末，出現(xiàn)了基于多傳感器數(shù)據(jù)融合意義的融合一詞。數(shù)據(jù)融合是指對(duì)不同時(shí)間不同空間的多傳感器資源數(shù)據(jù)，采用計(jì)算機(jī)技術(shù)對(duì)按時(shí)間序列獲得的多傳感器觀測(cè)數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行分析、綜合、支配和使用，獲得對(duì)被測(cè)對(duì)象的一致性解釋與描述，進(jìn)而實(shí)現(xiàn)相應(yīng)的決策和估計(jì)，使系統(tǒng)獲得比它的組成部分更充分的信息。20世紀(jì)80年代初，數(shù)據(jù)融合技術(shù)逐漸受到軍方的重視，以軍事應(yīng)用為主的數(shù)據(jù)融合技術(shù)研究蓬勃發(fā)展起來(lái)。美國(guó)國(guó)防部將“多傳感器數(shù)據(jù)融合”列為90年代重點(diǎn)研究、開(kāi)發(fā)的關(guān)鍵技術(shù)之一，從1992年起，每年投巨資用于數(shù)據(jù)融合技術(shù)的開(kāi)發(fā)和研究。為實(shí)現(xiàn)多傳感器數(shù)據(jù)融合，現(xiàn)有的檢驗(yàn)理論，D-S證據(jù)推理理論、模糊理論以及專(zhuān)家系統(tǒng)等理論和方法，都在數(shù)據(jù)融合中的到了應(yīng)用。神經(jīng)網(wǎng)絡(luò)的基本單元是神經(jīng)元，相當(dāng)于數(shù)據(jù)融合的基本單位，兩者都是多輸入、單輸出的器件，來(lái)完成非線(xiàn)性運(yùn)算；數(shù)據(jù)融合一般可劃分為三層，即原始數(shù)據(jù)層、特征層和決策層，同樣能用三層的神經(jīng)網(wǎng)絡(luò)來(lái)描述，即輸入層、隱含層、輸出層；而數(shù)據(jù)融合的并行結(jié)構(gòu)則對(duì)應(yīng)于神經(jīng)網(wǎng)絡(luò)的層層相連結(jié)構(gòu)。而多傳感器融合過(guò)程中，傳感器輸出并非一個(gè)值，如傳感器同時(shí)輸出目標(biāo)屬性數(shù)據(jù)、目標(biāo)狀態(tài)數(shù)據(jù)，或者是在觀測(cè)的時(shí)間間隔內(nèi)，傳感器的輸出是變化的，使用精確的值來(lái)進(jìn)行神經(jīng)網(wǎng)絡(luò)的判斷，也就降低了對(duì)目標(biāo)跟蹤的準(zhǔn)確性。

發(fā)明內(nèi)容
本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，能夠有效地將多傳感器數(shù)據(jù)融合，解決目標(biāo)發(fā)現(xiàn)、跟蹤和識(shí)別問(wèn)題，可以提高合成信息的質(zhì)量，提高目標(biāo)跟蹤定位的精確度?；谏窠?jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，如圖I所示，主要包括傳感器、A/D轉(zhuǎn)換器、輸出單元、數(shù)據(jù)預(yù)處理單元、特征提取單元、粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元。 傳感器獲得的目標(biāo)數(shù)據(jù)經(jīng)過(guò)A/D轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字量后，通過(guò)數(shù)據(jù)預(yù)處理單元濾除干擾和噪聲，再經(jīng)過(guò)特征提取后，特征數(shù)據(jù)經(jīng)過(guò)粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元進(jìn)行融合計(jì)算，最后由輸出單元輸出結(jié)果。傳感器的數(shù)據(jù)可以是實(shí)時(shí)的也可以是非實(shí)時(shí)的。數(shù)據(jù)預(yù)處理單元濾除數(shù)據(jù)采集過(guò)程中弓丨A的干擾和噪聲。特征提取單元主要提出被測(cè)目標(biāo)的多種物理量。粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元對(duì)數(shù)據(jù)融合的處理方法包括以下步驟A :對(duì)不精確、不確定性數(shù)據(jù)進(jìn)行處理，將每個(gè)神經(jīng)元分為上、下兩層分別代表粗糙集合的上下近似形成一個(gè)粗神經(jīng)元； B :確定粗神經(jīng)元之間的傳遞函數(shù)；C :神經(jīng)元全互聯(lián)的情況下，粗神經(jīng)元上下兩層輸出結(jié)果相同；D :傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法中的誤差傳遞函數(shù)中的誤差為上下層方差的均值；E :數(shù)據(jù)融合結(jié)果輸出。采用多傳感器數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其主要優(yōu)點(diǎn)是增加了系統(tǒng)的生存能力，在有若干傳感器不能利用或受到干擾，或某個(gè)目標(biāo)不在覆蓋范圍時(shí)，總還會(huì)有一部分傳感器可以提供信息，使系統(tǒng)能夠不受干擾連續(xù)運(yùn)行、弱化故障，并增加檢測(cè)概率。通過(guò)粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元處理進(jìn)行數(shù)據(jù)信息組合，得到最佳協(xié)同效果，提高多傳感器系統(tǒng)的有效性，消除單個(gè)傳感器和少量傳感器的局限性，提高目標(biāo)跟蹤定位的準(zhǔn)確度。在同類(lèi)傳感器情況下，不論是等精度測(cè)量，還是非等精度測(cè)量，基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合后的參數(shù)測(cè)量精度都可以得到顯著提高。在異類(lèi)傳感器情況下，神經(jīng)網(wǎng)絡(luò)能改善數(shù)據(jù)融合的質(zhì)量，能夠提高對(duì)機(jī)動(dòng)目標(biāo)的跟蹤定位精度。


圖I為本系統(tǒng)的系統(tǒng)結(jié)構(gòu)圖。
具體實(shí)施例方式實(shí)施例在多個(gè)實(shí)時(shí)傳感器中，獲取圖形目標(biāo)的傳感器為電荷耦合器件。數(shù)據(jù)預(yù)處理單元通過(guò)均值、濾波、消除趨勢(shì)項(xiàng)、剔除野點(diǎn)等方法，濾除數(shù)據(jù)采集過(guò)程中引入的干擾和噪聲。在粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元對(duì)數(shù)據(jù)融合的處理方法步驟B中，粗神經(jīng)元之間的傳
2
，其中fu(x)為上傳遞函數(shù)，為下傳遞函數(shù)。
2 n=\在粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元對(duì)數(shù)據(jù)融合的處理方法步驟D中，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法中的誤差傳遞函數(shù)中的誤差為上下層方差的均值，
權(quán)利要求
1.基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，主要包括傳感器、A/D轉(zhuǎn)換器、輸出単元，其特征在于系統(tǒng)還包括數(shù)據(jù)預(yù)處理單元、特征提取単元、粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合単元；傳感器獲得的目標(biāo)數(shù)據(jù)經(jīng)過(guò)A/D轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字量后，通過(guò)數(shù)據(jù)預(yù)處理單元濾除干擾和噪聲，再經(jīng)過(guò)特征提取后，特征數(shù)據(jù)經(jīng)過(guò)粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元進(jìn)行融合計(jì)算，最后由輸出單元輸出結(jié)果。
2.根據(jù)權(quán)利要求I所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于傳感器的數(shù)據(jù)可以是實(shí)時(shí)的，也可以是非實(shí)時(shí)的。
3.根據(jù)權(quán)利要求2所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于獲取圖形目標(biāo)的傳感器為電荷稱(chēng)合器件。
4.根據(jù)權(quán)利要求I所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于數(shù)據(jù)預(yù)處理單元濾除數(shù)據(jù)采集過(guò)程中引入的干擾和噪聲。
5.根據(jù)權(quán)利要求4所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于數(shù)據(jù)預(yù)處理單元主要方法包括去均值、濾波、消除趨勢(shì)項(xiàng)、剔除野點(diǎn)。
6.根據(jù)權(quán)利要求I所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于特征提取単元主要提出被測(cè)目標(biāo)的多種物理量。
7.根據(jù)權(quán)利要求I所述的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)，其特征在于粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合単元對(duì)數(shù)據(jù)融合的處理方法包括以下步驟 A :對(duì)不精確、不確定性數(shù)據(jù)進(jìn)行處理，將每個(gè)神經(jīng)元分為上、下兩層分別代表粗糙集合的上下近似形成ー個(gè)粗神經(jīng)元； B :確定粗神經(jīng)元之間的傳遞函數(shù)； C :神經(jīng)元全互聯(lián)的情況下，粗神經(jīng)元上下兩層輸出結(jié)果相同； D :傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法中的誤差傳遞函數(shù)中的誤差為上下層方差的均值； E :數(shù)據(jù)融合結(jié)果輸出。
全文摘要
本發(fā)明屬于多傳感器數(shù)據(jù)融合與神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)。主要包括傳感器、A/D轉(zhuǎn)換器、數(shù)據(jù)預(yù)處理單元、特征提取單元、粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元、輸出單元。傳感器獲得的目標(biāo)數(shù)據(jù)經(jīng)過(guò)A/D轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字量后，通過(guò)數(shù)據(jù)預(yù)處理單元濾除干擾和噪聲，再經(jīng)過(guò)特征提取后，特征數(shù)據(jù)經(jīng)過(guò)粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元進(jìn)行融合計(jì)算，最后由輸出單元輸出結(jié)果。通過(guò)粗神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合單元處理進(jìn)行數(shù)據(jù)信息組合，得到最佳協(xié)同效果，提高多傳感器系統(tǒng)的有效性，消除單個(gè)傳感器和少量傳感器的局限性，提高目標(biāo)跟蹤定位的準(zhǔn)確度。
文檔編號(hào)G06N3/02GK102663492SQ201210073730
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年3月19日 優(yōu)先權(quán)日2012年3月19日
發(fā)明者馬小云 申請(qǐng)人:南京理工大學(xué)常熟研究院有限公司